JP2013102848A - 医用画像処理装置及びプログラム - Google Patents
医用画像処理装置及びプログラム Download PDFInfo
- Publication number
- JP2013102848A JP2013102848A JP2011247349A JP2011247349A JP2013102848A JP 2013102848 A JP2013102848 A JP 2013102848A JP 2011247349 A JP2011247349 A JP 2011247349A JP 2011247349 A JP2011247349 A JP 2011247349A JP 2013102848 A JP2013102848 A JP 2013102848A
- Authority
- JP
- Japan
- Prior art keywords
- feature amount
- image
- lung field
- medical image
- region
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 210000004072 lung Anatomy 0.000 claims abstract description 109
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 13
- 230000005855 radiation Effects 0.000 claims description 47
- 238000012545 processing Methods 0.000 claims description 45
- 230000007547 defect Effects 0.000 claims description 42
- 238000004364 calculation method Methods 0.000 claims description 22
- 238000003860 storage Methods 0.000 claims description 22
- 230000002496 gastric effect Effects 0.000 claims description 18
- 230000000968 intestinal effect Effects 0.000 claims description 18
- 230000008859 change Effects 0.000 claims description 5
- 230000006870 function Effects 0.000 claims description 4
- 238000012706 support-vector machine Methods 0.000 claims description 4
- 238000003384 imaging method Methods 0.000 abstract description 76
- 230000007812 deficiency Effects 0.000 abstract 2
- 238000009966 trimming Methods 0.000 description 64
- 238000000034 method Methods 0.000 description 46
- 230000008569 process Effects 0.000 description 38
- 238000004891 communication Methods 0.000 description 16
- 238000001514 detection method Methods 0.000 description 11
- 238000012937 correction Methods 0.000 description 10
- 238000003745 diagnosis Methods 0.000 description 7
- 238000012790 confirmation Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 3
- 239000004065 semiconductor Substances 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000002059 diagnostic imaging Methods 0.000 description 2
- 238000009826 distribution Methods 0.000 description 2
- 239000006260 foam Substances 0.000 description 2
- 238000010191 image analysis Methods 0.000 description 2
- 238000003825 pressing Methods 0.000 description 2
- 239000000758 substrate Substances 0.000 description 2
- 238000012546 transfer Methods 0.000 description 2
- 238000012896 Statistical algorithm Methods 0.000 description 1
- 206010047571 Visual impairment Diseases 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 239000010408 film Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000002438 flame photometric detection Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000000873 masking effect Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000002601 radiography Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 239000010409 thin film Substances 0.000 description 1
Images
Landscapes
- Apparatus For Radiation Diagnosis (AREA)
Abstract
【解決手段】撮影用コンソール5の制御部51は、FPD9から送信された胸部正面の医用画像において、照射野内で当該照射野の境界に接する部分領域の所定の特徴量(第1の特徴量)と、肺野外の高濃度領域の有無を表す所定の特徴量(第2の特徴量)とを算出し、所定のアルゴリズムによる第1の特徴量と第2の特徴量に関する学習結果に基づいて、送信された医用画像における肺野領域の欠損の有無を判定する。
【選択図】図4
Description
人体の胸部を被写体として放射線撮影することにより得られた放射線画像において、照射野内で当該照射野の境界に接する部分領域の所定の特徴量を算出する第1の特徴量算出手段と、
前記放射線画像から肺野外の高濃度領域の有無を表す所定の特徴量を算出する第2の特徴量算出手段と、
所定の学習アルゴリズムによる肺野領域の欠損が存在するか否かが既知の複数の放射線画像における前記第1の特徴量算出手段及び前記第2の特徴量算出手段により算出される特徴量に関する学習結果に基づいて、前記放射線画像における肺野領域の欠損の有無を判定する判定手段と、
を備える。
前記学習アルゴリズムは、アダブースト、又は、サポートベクタマシンである。
前記肺野外の高濃度領域は、胃泡や腸管ガスの存在する領域である。
前記第2の特徴量算出手段は、前記放射線画像における肺野下部から画像下端までの垂直プロファイルを作成し、作成されたプロファイルの変化量を前記肺野外の高濃度領域の有無を表す所定の特徴量として算出する。
前記第2の特徴量算出手段は、予め記憶手段に記憶されている肺野外に高濃度領域のないテンプレート画像と前記放射線画像における肺野下部の画像との近似度に基づいて、前記放射線画像における肺野外の高濃度領域の有無を表す所定の特徴量を算出する。
コンピュータを、
人体の胸部を被写体として放射線撮影することにより得られた放射線画像において、照射野内で当該照射野の境界に接する部分領域の所定の特徴量を算出する第1の特徴量算出手段、
前記放射線画像から肺野外の高濃度領域の有無を表す所定の特徴量を算出する第2の特徴量算出手段、
所定の学習アルゴリズムによる肺野領域の欠損が存在するか否かが既知の複数の放射線画像における前記第1の特徴量算出手段及び前記第2の特徴量算出手段により算出される特徴量に関する学習結果に基づいて、前記放射線画像における肺野領域の欠損の有無を判定する判定手段、
として機能させる。
まず、本実施の形態における医用画像撮影システム100の構成について説明する。
図1は、本発明の実施の形態に係る医用画像撮影システム100の全体構成例を示す図である。医用画像撮影システム100は、人体の診断対象部位を被写体として放射線を照射し、被写体の静止画像を撮影するシステムである。図1では、医用画像撮影システム100が撮影室Rm内に構築されている場合が示されている。
ブッキー装置1は、立位での撮影時にFPD(Flat Panel Detector)9を保持して撮影を行うための装置である。ブッキー装置1は、FPD9を保持するための保持部12aと、保持部12aに装着されたFPD9のコネクターを接続するためのコネクター12bとを有する。コネクター12bは、保持部12aに装着されたFPD9との間でデータ送受信を行ったり、FPD9に電力を供給したりする。また、ブッキー装置1は、アクセスポイントAPを介して撮影用コンソール5等の外部機器と通信ケーブルを介してデータ送受信を行うためのインターフェースや、保持部12aを垂直方向又は水平方向に移動させるためのフットスイッチ等を備える。
例えば、制御部51は、所定時間毎にネットワーク通信部56を介してHIS/RIS7に問い合わせを行い、新たにHIS/RIS7で登録された撮影オーダー情報を取得する。
また、例えば、制御部51は、後述する撮影制御処理を実行し、HIS/RIS7から取得した撮影オーダー情報に基づいて、撮影用コンソール5は放射線源3及びFPD9を制御して撮影を行わせる。
記憶部52には、各種のプログラム及びデータが記憶されている。
例えば、記憶部52には、上述の撮影制御処理を実行するための各種のプログラムが記憶されているほか、医用画像の画像データを部位毎の診断に適した画質に調整するための画像処理パラメーター(階調処理に用いる階調曲線を定義したルックアップテーブル、周波数処理の強調度等)等が記憶されている。
また、記憶部52には、FPD9の特性情報が記憶されている。ここで、特性情報とは、FPD9の検出素子やシンチレータパネルの特性等である。
また、記憶部52には、所定時間毎にHIS/RIS7から送信される撮影オーダー情報が記憶される。
なお、表示部54の画面上に、透明電極を格子状に配置した感圧式(抵抗膜圧式)のタッチパネル(図示せず)を形成し、表示部54と入力部53とが一体に構成されるタッチスクリーンとしてもよい。この場合、タッチパネルは、手指やタッチペン等で押下された力点のXY座標を電圧値で検出し、検出された位置信号が操作信号として制御部51に出力されるように構成される。なお、表示部54は、一般的なPC(Personal Computer)
に用いられるモニターよりも高精細のものであってもよい。
FPD9の検出部は、例えば、ガラス基板等を有しており、基板上の所定位置に、放射線源3から照射されて少なくとも被写体を透過した放射線をその強度に応じて検出し、検出した放射線を電気信号に変換して蓄積する複数の検出素子が二次元状に配列されている。検出素子は、フォトダイオード等の半導体イメージセンサーにより構成される。各検出素子は、例えばTFT(Thin Film Transistor)等のスイッチング部に接続され、スイッチング部により電気信号の蓄積及び読み出しが制御される。
FPD9のコネクターは、ブッキー装置1、2側のコネクターと接続し、ブッキー装置1又は2とのデータ送受信を行う。また、FPD9のコネクターは、ブッキー装置1又は2のコネクターから供給される電力を各機能部へ供給する。なお、バッテリーを充電する構成としても良い。
また、FPD9は、ブッキーに装填されない単体使用時には、バッテリー駆動及び無線通信する構成であり、ブッキー装置1又は2に装填時には、コネクター接続により、バッテリー/無線方式から、有線/電力供給方式に切り替えることができる。従い、複数の患者を連続的に静止画撮影する場合に於いても、バッテリー切れを気にする必要がなくなる。
次に、医用画像撮影システム100における撮影動作について説明する。
図3に、撮影用コンソール5において実行される撮影制御処理の流れを示す。図3の撮影制御処理は、人体の胸部を被写体とする胸部正面の医用画像を撮影する際に実行される処理であり、撮影用コンソール5の制御部51と記憶部52に記憶されているプログラムとの協働により実行される。
なお、FPD9が複数存在する場合には、各FPD9の識別IDに対応付けて特性情報を記憶部52に記憶しておき、使用されているブッキー装置を介してFPD9から識別IDを取得し、取得した識別IDに対応する特性情報に基づいて補正処理や画像処理を行うようにすればよい。
ここで、肺野外である横隔膜下に腸管ガスや胃泡などが存在しない画像では、横隔膜下の肺野外領域の画素の信号値は肺野内の信号値に比べて低い(図6B参照)。しかし、横隔膜下に腸管ガスや胃泡などが存在する画像では、横隔膜下に、肺野と同等の高濃度領域、即ち、横隔膜下の被写体領域において腸管ガスや胃泡などが存在しない他の領域より信号値の大きい領域(信号値が予め定められた基準値を超える領域)が存在する(図6A参照)。この領域が、肺野外の高濃度領域である。
まず、プロファイル形状の違いを用いた特徴量の算出手法について説明する。
図6Aは、腸管ガスや胃泡などの高濃度領域(図6AにおいてHで示す)が横隔膜下に存在する医用画像と、その信号値の垂直プロファイルと、この垂直プロファイルの横隔膜下部分に微分フィルタ処理をかけた結果と、を模式的に示したものである。図6Bは、腸管ガスや胃泡などの高濃度領域が横隔膜下に存在しない医用画像と、その信号値の垂直プロファイルと、この垂直プロファイルの横隔膜下部分に微分フィルタ処理をかけた結果を模式的に示したものである。
図6Aに示すように、腸管ガスや胃泡などの高濃度領域が横隔膜下に存在すると、横隔膜下から画像下端までの画像の垂直プロファイルの形状が、高濃度領域で増加し、その後減少する。一方、腸管ガスや胃泡などの高濃度領域が横隔膜下に存在しない場合、図6Bに示すように横隔膜下から画像下端までの画像の垂直プロファイルの形状は単調減少する。
そこで、上記の垂直プロファイル形状の違いを利用して肺野外の高濃度領域の有無を表す特徴量を算出する。
ここでは、画像上端から2/3の位置から画像下端までの範囲を横隔膜下から画像下端までの範囲とし、その範囲の垂直プロファイルを作成する。垂直プロファイルは、左肺野の横隔膜下については、画像中心から画像右端までの範囲で各行(ライン)の信号値を加算して平均値を算出することにより作成する。右肺野の横隔膜下については、画像中心から画像左端までの範囲で各行(ライン)の信号値を加算して平均値を算出することにより作成する。
(1−2)次いで、作成された垂直プロファイルに微分フィルタをかけ、各行における増加する変化量(正の値)を加算した値を肺野外の高濃度領域の有無を表す特徴量とする。
次に、パターンマッチングを用いた特徴量の算出手法について説明する。
なお、パターンマッチングを用いた特徴量を算出するため、予め、高濃度領域が存在しない胸部正面画像から入力部53により横隔膜下部分の領域を選択して抽出することで、横隔膜下の標準的なテンプレートを作成し、記憶部52に記憶しておく。
具体的には、まず、画像中央から画像下端までの範囲の垂直プロファイルを作成する。垂直プロファイルは、画像幅全域で、各行の信号値を加算して平均値を算出することにより作成することができる。
次いで、作成した垂直プロファイルの最大値と最小値の差分の予め定められた割合となる値を閾値TH1として算出する。
次いで、医用画像の垂直方向1/2にある行から順次垂直プロファイルの値と閾値TH1の比較を行い、垂直プロファイルの値が閾値TH1以下となった行の位置を横隔膜下として認識する。
図9Aに示すように、比較対象画像P1において横隔膜下の肺野外領域に胃泡や腸管ガスなどによる高濃度領域が存在しない場合、比較対象画像P1とテンプレート画像P0は近似した画像となる。即ち、近似度は高くなる。一方、図9Bに示すように、比較対象画像P2において横隔膜下の肺野外領域に胃泡や腸管ガスなどによる高濃度領域(図9BにおいてHで示す)が存在する場合、比較対象画像P2とテンプレート画像P0は高濃度領域分だけ近似しない画像となる。即ち、近似度は低くなる。
なお、肺野外の高濃度領域の有無を表す特徴量としては、例えば、相互相関値、ユークリッド距離等、その他の指標を用いることとしてもよい。
図10は、ポジショニング判定に用いる各特徴量を軸とした空間に、予め肺野の欠損があるか否かが既知の複数の画像(サンプル画像)から算出された特徴量をプロットしたグラフである。学習アルゴリズムでは、図10に示すように、複数のサンプル画像から算出された特徴量の分布から、どのような境界線を描けば肺野の欠損のない画像と肺野の欠損のある画像を区別できるかを学習し、特徴量が境界線のどちら側に位置するかによって欠損のない画像であるか欠損のある画像であるかを判定する判定器を作成するものである。そして、作成された判定器に判定対象の画像から算出された特徴量を入力することで、判定器において肺野の欠損のある画像かない画像かを判定する。
ステップS204においては、上下左右の照射野外との境界線ごとにポジショニング判定が行われる。そこで、判定器51aは、上端判定器、下端判定器、左端判定器、右端判定器の4種類の判定器により構成される。
(3−2)次いで、全サンプル画像から特徴量(上述の第1の特徴量算出手段と第2の特徴量算出手段により算出される特徴量)を算出する。第1の特徴量算出手段においては、ステップS202で説明したように、例えば、図5Aに示す上端領域R1、下端領域R2、左端領域R3、右端領域R4内の4つの部分領域のそれぞれに含まれる各小領域の信号値の特徴量(例えば、最大信号値)を算出する。第2の特徴量算出手段においては、肺野下部の境界領域においてステップS203で説明した手法により肺野外の高濃度領域の有無を示す特徴量を算出する。
図11(a)〜(d)は、下端判定器の作成過程を模式的に示す図である。図11(a)〜(d)は、高濃度領域の有無を示す特徴量(図11では高濃度領域の特徴量と略記する)を縦軸に、データ配列特徴量のうち判定に最も寄与する特徴量を横軸として作成した2次元特徴量分布である。ここでは、説明をわかりやすくするために、高濃度領域の有無を示す特徴量と、データ配列特徴量のうち判定に最も寄与する特徴量とを用いて2次元で表現して説明するが、実際はデータ配列特徴量が20あるので、高濃度領域の有無を示す特徴量を含めて21個の軸をもつ21次元の特徴量空間となる。以下の説明では、図11(a)〜(d)に示す下端判定器の作成過程を模式的に示す図を参照しながら説明するが、上端判定器、左端判定器、右端判定器についても特徴量が異なるだけで同様の作成過程となる。
例えば、図11(a)に示すように、データ配列特徴量に対して閾値がD1、D2、D3の3つの弱識別器を作成し、高濃度領域の有無を示す特徴量に対して閾値がd1、d2、d3の3つの弱識別器を作成する。
(3−5)次いで、判定に失敗した画像の特徴量に重みをつけて、肺野の欠損の有無の判定に最も寄与する弱識別器を選択する。失敗した画像に重み付けることで、先の弱識別器D2で判定に失敗した画像を精度良く判定できる弱識別器を選択することができる。例えば、図11(c)に示すように、図11(b)において判定を失敗した画像(円Aで囲まれた点に対応する画像)の重み付けを重くし、それ以外の重み付けを軽くすると、弱識別器d2の寄与度が最も高くなる。その結果、弱識別器d2が選択される。
(3−6)上記(3−5)を失敗画像がなくなるまで繰り返し、各過程で選択された弱識別器を組み合せて判定器を作成する。図11(d)においては、弱識別器D2と弱識別器d2を組み合わせて判定器を作成する。ただし、各弱識別器の寄与度は異なるため、各弱識別器の正答率(正しく判定できた画像の全体画像に占める割合)等に基づいて弱識別器に重み付けを行う。
サポートベクタマシンは、複数の特徴量(ここでは第1の特徴量算出手段及び第2の特徴量算出手段で算出される特徴量)の組み合わせ(特徴ベクトル)により示されるデータ点を高次元空間に写像し、写像された高次元空間において、肺野領域の欠損がある画像と欠損がない画像とに最も明確に、即ち、最大のマージンを有するように線形分離する分離面を求める統計的アルゴリズムである。
図12に、ポジショニング警告画面541の一例を示す。図12に示すように、ポジショニング警告画面541においては、撮影された医用画像上に、肺野の欠損のある部分を示す枠541aが重畳表示されているとともに、警告があることを示すマーク541bが表示されている。また、ポジショニング警告画面541には、出力ボタンB1と、再撮影ボタンB2と、が表示されている。出力ボタンB1は、表示されている医用画像を診断用の医用画像としてサーバー装置10に出力し保存することを指示するためのボタンである。再撮影ボタンB2は、表示されている医用画像を破棄して再撮影を行うことを指示するためのボタンである。
ポジショニング判定処理後、処理は図3のステップS9に移行する。
図14に、図13のステップS301において表示されるトリミング画面542の一例を示す。図14に示すように、トリミング画面542には、画像表示領域542aと、トリミングサイズ設定領域542bと、が設けられている。画像表示領域542aは、医用画像を表示するための領域である。トリミングサイズ設定領域542bは、トリミングサイズを設定するためのボタン群が表示された領域である。トリミングサイズ設定領域542aには、例えば、トリミングサイズを表示された医用画像全体に設定するための全体ボタンB1、トリミングサイズをカセッテサイズに設定するためのカセッテサイズボタンB2〜B7等が表示されている。
トリミングサイズの設定は、ユーザが画面表示領域542aから入力部53のマウス等によりトリミングにより切り出す画像領域の枠(トリミング枠)を指定することとしてもよいし、トリミングサイズ設定領域542bから所望のトリミングサイズのボタンを押下することとしてもよい。
トリミング自動調整処理においては、欠損があると判定された方向に、所定距離だけトリミング候補領域の端部をずらした(又は拡大した)新たなトリミング候補領域で肺野欠損の有無の判定を行う。この判定において、新たなトリミング候補領域に肺野の欠損があると判定されなければ、新たなトリミング候補領域をトリミングによって切り出す画像領域として決定する。新たなトリミング候補領域に肺野の欠損があると判定された場合は、所定距離だけトリミング候補領域の端部をずらした(又は拡大した)新たなトリミング候補領域を設定し、肺野欠損の有無の判定を行う。判定により肺野の欠損がないと判定されるまで、トリミング候補領域の移動(拡大)及び肺野欠損の判定が繰り返し実行される。
なお、ユーザが入力部52により手動でトリミングサイズの調整を行っても良い。この場合においても新たなトリミングサイズに応じた新たなトリミング候補領域において肺野の欠損があるか否かを判定し、欠損が存在する場合は、再度警告が表示される。
例えば、上記実施の形態においては、FPD9により得られた医用画像を確認のために表示部54に表示したり、ポジショニング判定処理を行ったりすることとして説明したが、FPD9により医用画像に間引き処理を行い、間引きされた医用画像を確認のために表示部54に表示したり、ポジショニング処理を行ったりすることとしてもよい。このようにすれば、FPD9からのデータ転送時間や画像処理時間、体動判定時間等を減少させることができる。
1 ブッキー装置
2 ブッキー装置
3 放射線源
5 撮影用コンソール
51 制御部
52 記憶部
53 入力部
54 表示部
55 通信I/F
56 ネットワーク通信部
57 バス
6 操作卓
7 HIS/RIS
8 診断用コンソール
9 FPD
10 サーバー装置
Claims (6)
- 人体の胸部を被写体として放射線撮影することにより得られた放射線画像において、照射野内で当該照射野の境界に接する部分領域の所定の特徴量を算出する第1の特徴量算出手段と、
前記放射線画像から肺野外の高濃度領域の有無を表す所定の特徴量を算出する第2の特徴量算出手段と、
所定の学習アルゴリズムによる肺野領域の欠損が存在するか否かが既知の複数の放射線画像における前記第1の特徴量算出手段及び前記第2の特徴量算出手段により算出される特徴量に関する学習結果に基づいて、前記放射線画像における肺野領域の欠損の有無を判定する判定手段と、
を備える医用画像処理装置。 - 前記学習アルゴリズムは、アダブースト、又は、サポートベクタマシンである請求項1に記載の医用画像処理装置。
- 前記肺野外の高濃度領域は、胃泡や腸管ガスの存在する領域である請求項1又は2に記載の医用画像処理装置。
- 前記第2の特徴量算出手段は、前記放射線画像における肺野下部から画像下端までの垂直プロファイルを作成し、作成されたプロファイルの変化量を前記肺野外の高濃度領域の有無を表す所定の特徴量として算出する請求項1〜3の何れか一項に記載の医用画像処理装置。
- 前記第2の特徴量算出手段は、予め記憶手段に記憶されている肺野外に高濃度領域のないテンプレート画像と前記放射線画像における肺野下部の画像との近似度に基づいて、前記放射線画像における肺野外の高濃度領域の有無を表す所定の特徴量を算出する請求項1〜3の何れか一項に記載の医用画像処理装置。
- コンピュータを、
人体の胸部を被写体として放射線撮影することにより得られた放射線画像において、照射野内で当該照射野の境界に接する部分領域の所定の特徴量を算出する第1の特徴量算出手段、
前記放射線画像から肺野外の高濃度領域の有無を表す所定の特徴量を算出する第2の特徴量算出手段、
所定の学習アルゴリズムによる肺野領域の欠損が存在するか否かが既知の複数の放射線画像における前記第1の特徴量算出手段及び前記第2の特徴量算出手段により算出される特徴量に関する学習結果に基づいて、前記放射線画像における肺野領域の欠損の有無を判定する判定手段、
として機能させるためのプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2011247349A JP5786665B2 (ja) | 2011-11-11 | 2011-11-11 | 医用画像処理装置及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2011247349A JP5786665B2 (ja) | 2011-11-11 | 2011-11-11 | 医用画像処理装置及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2013102848A true JP2013102848A (ja) | 2013-05-30 |
JP5786665B2 JP5786665B2 (ja) | 2015-09-30 |
Family
ID=48622879
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2011247349A Expired - Fee Related JP5786665B2 (ja) | 2011-11-11 | 2011-11-11 | 医用画像処理装置及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5786665B2 (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013150901A (ja) * | 2013-05-15 | 2013-08-08 | Sankyo Co Ltd | 遊技機 |
JP2018117431A (ja) * | 2017-01-17 | 2018-07-26 | 株式会社トーエネック | 回転機の短絡診断装置および回転機の短絡診断方法 |
US10572994B2 (en) | 2017-02-15 | 2020-02-25 | Canon Kabushiki Kaisha | Radiation imaging apparatus, radiation imaging system, radiation imaging method, and computer-readable medium |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH057579A (ja) * | 1991-06-18 | 1993-01-19 | Konica Corp | 放射線画像の照射野領域抽出装置 |
JPH0538334A (ja) * | 1991-03-08 | 1993-02-19 | Fuji Photo Film Co Ltd | 放射線照射野認識方法および装置 |
JP2006081735A (ja) * | 2004-09-16 | 2006-03-30 | Konica Minolta Medical & Graphic Inc | 放射線画像撮影システム |
JP2010246705A (ja) * | 2009-04-15 | 2010-11-04 | Konica Minolta Medical & Graphic Inc | 画像処理装置、画像処理方法及びプログラム |
-
2011
- 2011-11-11 JP JP2011247349A patent/JP5786665B2/ja not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0538334A (ja) * | 1991-03-08 | 1993-02-19 | Fuji Photo Film Co Ltd | 放射線照射野認識方法および装置 |
JPH057579A (ja) * | 1991-06-18 | 1993-01-19 | Konica Corp | 放射線画像の照射野領域抽出装置 |
JP2006081735A (ja) * | 2004-09-16 | 2006-03-30 | Konica Minolta Medical & Graphic Inc | 放射線画像撮影システム |
JP2010246705A (ja) * | 2009-04-15 | 2010-11-04 | Konica Minolta Medical & Graphic Inc | 画像処理装置、画像処理方法及びプログラム |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013150901A (ja) * | 2013-05-15 | 2013-08-08 | Sankyo Co Ltd | 遊技機 |
JP2018117431A (ja) * | 2017-01-17 | 2018-07-26 | 株式会社トーエネック | 回転機の短絡診断装置および回転機の短絡診断方法 |
US10572994B2 (en) | 2017-02-15 | 2020-02-25 | Canon Kabushiki Kaisha | Radiation imaging apparatus, radiation imaging system, radiation imaging method, and computer-readable medium |
Also Published As
Publication number | Publication date |
---|---|
JP5786665B2 (ja) | 2015-09-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9117289B2 (en) | Medical imaging system, medical image processing apparatus, and computer-readable medium | |
JP6436182B2 (ja) | 動態画像解析装置 | |
JP2013102851A (ja) | 医用画像撮影システム、医用画像処理装置及びプログラム | |
US10242445B2 (en) | Dynamic analysis apparatus and dynamic analysis system | |
US20180137634A1 (en) | Dynamic image processing system | |
US10827999B2 (en) | Dynamic analysis apparatus and system for measuring temporal changes in blood vessels | |
US10729395B2 (en) | Image processing device and method for operating image processing device | |
US20180018772A1 (en) | Dynamic analysis apparatus | |
JP6507581B2 (ja) | 胸部動態撮影支援システム | |
JP2017131427A (ja) | X線画像診断装置及び骨密度計測方法 | |
JP5786665B2 (ja) | 医用画像処理装置及びプログラム | |
US20170278239A1 (en) | Dynamic analysis apparatus and dynamic analysis system | |
JP5772523B2 (ja) | 医用画像撮影システム、医用画像処理装置及びプログラム | |
JP2016209267A (ja) | 医用画像処理装置及びプログラム | |
US20220313199A1 (en) | Radiographic system, control apparatus, radiographic method, and storage medium | |
JP6326812B2 (ja) | 画像処理装置及び照射野認識方法 | |
JP2008200114A (ja) | 骨梁評価システム | |
JP2010154871A (ja) | 骨疾患評価システム、骨疾患評価方法及びプログラム | |
JP2010158258A (ja) | 軟部組織評価システム | |
JP7143794B2 (ja) | 画像処理装置、画像処理システム及びプログラム | |
US10687772B2 (en) | Dynamic analysis apparatus | |
JP2013102849A (ja) | 医用画像処理装置及びプログラム | |
JP6590021B2 (ja) | 画像処理装置及び照射野認識方法 | |
US20230059667A1 (en) | Storage medium and case search apparatus | |
US20240090864A1 (en) | Radiographic imaging support system, radiographic imaging support method, and recording medium |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A712 Effective date: 20130416 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20140515 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20141209 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20141210 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20150630 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20150713 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5786665 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
LAPS | Cancellation because of no payment of annual fees |